出图出多了，废图也攒得多。十张里往往有七八张构图、人设、氛围都在线，偏偏手崩了、眼花了、脸歪了一点。整图重抽等于把对的部分一起扔掉，成本太高。局部重绘解决的就是这个问题：只动出问题的区域，其余像素原样保留。

这篇文档整理我目前常用的两套局部重绘模板。两套的修复链路完全一样，差别只有一处:模型加载区。一套跑 Illustrious 系的单文件 checkpoint，一套跑 Anima 系的三件套，正好借这两个例子把 ComfyUI 里两种模型加载方式一次讲清楚。

局部重绘的两条路

ComfyUI 里做局部重绘，常见的有两条路。

一条是手动蒙版。加载图片，自己涂 mask，接 Set Latent Noise Mask（或 VAE Encode for Inpainting）再跑采样。想改哪改哪，自由度最高，代价是每张图都要动手涂，蒙版边缘处理不好还会留一圈色差。适合偶尔修一两张、或者要大改构图的场合。

另一条是自动检测修复。用目标检测模型把脸、眼、手、脚这些部位自动框出来，裁切放大后各自跑一次低重绘幅度的采样，再羽化贴回原图。全程不涂蒙版，批量丢一沓图进去也能挂机跑完。这两套模板走的是这条路，骨架是 Impact Pack 的 Detailer 系列。

原理一句话就能说清：把检测到的区域裁下来放大到工作分辨率，当成一张独立小图做一次 img2img，重绘幅度压得很低，只修细节不动结构，完成后贴回原位。整个流程串起来是：

载入图片 → 检测脸部 → 裁切放大 → 低幅度重绘 → 贴回原图        → 检测眼睛 → 重复 → 检测手 → 重复 → 检测脚 → 重复 → NSFW 分区 → 保存

两套模板里这段链重复了五轮，每一轮只换检测器和区域提示词，其余完全一致。

模型区：两套模板唯一的分叉

这是两份工作流真正不同的地方，值得单独拆开讲。

IL 版：单文件 checkpoint，一个节点全包

IL 版跑的是 waiIllustriousSDXL_v170.safetensors。WAI 系是标准的 Illustrious/SDXL checkpoint，单文件里打包了 UNet、CLIP、VAE 三样东西。所以加载只需要一个 CheckpointLoaderSimple 节点，三个输出口各接各的：MODEL 和 CLIP 进 LoRA 挂载位，VAE 拉一根长线直接分给五段修复。SDXL、Illustrious、Pony 这类以 checkpoint 形式发布的模型，都是这个接法。

Anima 版：三件套，三个 loader 各管各的

Anima 版跑的是 chosenIrisesMix_v20Anima。这里的 Anima 指 CircleStone Labs 和 Comfy Org 合作的 2B 参数动漫模型，底子是 NVIDIA Cosmos-Predict2 的 DiT 架构。这个系的东西官方就不发布单文件 checkpoint，而是拆成三个文件，各归各位：

• 扩散模型放 models/diffusion_models，用 UNETLoader 加载，模板里是 chosenIrisesMix_v20Anima.safetensors；
• 文本编码器放 models/text_encoders，用 CLIPLoader 加载，模板里是 chosenIrisesMix_v20Anima_txt.safetensors。Anima 原生的文本编码器基于 Qwen3-0.6B，个头只有 1GB 出头，比 SDXL 那对双编码器轻不少；
• VAE 用 qwen_image_vae.safetensors，放 models/vae，用 VAELoader 加载。这个 VAE 和 Qwen-Image 通用。

chosenIrisesMix 这个合并包跟着 Anima 的发布形态走，同样拆成了三份。三个 loader 的输出最后汇到同一个地方，下游链路感知不到上游是单文件还是三件套。

两条路怎么选

判断标准看下载页。标 Checkpoint 的单文件，用 CheckpointLoaderSimple；标 Diffusion Model、按 diffusion_models / text_encoders / vae 三个目录分别发布的，用 UNETLoader 加 CLIPLoader 加 VAELoader。把 Anima 系的扩散模型塞进 CheckpointLoaderSimple 会直接报错——那个节点要从文件里同时找到 UNet、CLIP、VAE 三套权重，三件套里它什么都凑不齐。反过来，把 SDXL checkpoint 拆开加载纯属自找麻烦。

对照表放这里，换模型的时候对着看：

共同的汇合点

两套模板里，MODEL 和 CLIP 都先过 rgthree 的 Power Lora Loader 再往下走，VAE 不经 LoRA 直接分发。把 LoRA 挂载位放在最上游，五段修复共用一次挂载，不用每段重复接。模板里预置了几个画风和角色 LoRA 的槽位，默认全部关闭——局部重绘多数时候用底模就够，除非修的就是特定角色的图。

检测器：五段修复五双眼睛

五段修复各配一个检测模型，都通过 Impact Subpack 的 UltralyticsDetectorProvider 加载，文件放 models/ultralytics/bbox，分割模型放 segm：

前四个是 bbox 模型，只负责框。NSFW 这一个是 segm 分割模型，能按部位给出标签和形状，配合后面要说的标签语法，可以做到检测到哪个部位就只补哪个部位的词。

每段还各挂一个 SAMLoader（sam_vit_b_01ec64.pth，放 models/sams）。检测框框住的是"这一片"，SAM 在框内再勾一遍"这一块"的实际轮廓，贴回时的边缘明显更准。五段各配一个 SAM 而不是共用，是 DetailerPipe 的打包结构决定的，这点开销不心疼。

组装与串联

打包：ToDetailerPipe 与 EditDetailerPipe

ToDetailerPipe 是个打包节点，把一次修复需要的原料捆成一根管道：model、clip、vae、正面词、反面词、bbox 检测器、SAM 模型。五段修复各打各的包，互不干扰。

model 在进包之前先过一个 DifferentialDiffusion。这个节点让噪声的施加考虑蒙版的软硬过渡，重绘区域和保留区域的衔接更平滑，贴回痕迹更轻。它不开白不开，所以每段都串了。

EditDetailerPipe 接在 ToDetailerPipe 后面，负责往管道里注入区域提示词，用 [CONCAT] 前缀把区域词拼到底稿正面词的后面。脸部段填的是 [CONCAT] {face|face,detailed face}，大括号是通配符，每次执行随机二选一，给修复留一点变化。手段直接写死：[CONCAT] hand, perfect hands。脚段同理。

NSFW 段的写法特殊一点，用的是标签语法：

[LAB][ALL] nsfw[NIPPLES] nsfw, nipples[PUSSY] nsfw, pussy[ANUS] nsfw, (anus)[PENIS] nsfw, penis[TESTICLES] nsfw, testicles

方括号里的标签对应分割模型输出的部位名，检测命中哪个部位，就只把对应的行拼进提示词，不是无脑全上。

执行链与收尾

五段 FaceDetailerPipe 头尾相接。载入的图先过脸部段，出来的图进眼部段，之后依次是手、脚、NSFW，最后出图。任何一段没检测到目标，图就原样穿过去，不会报错。

每两段之间挂一个 rgthree 的 Image Comparer，把这一段修之前和修之后的图摆在一起。哪段帮了忙、哪段帮了倒忙，一眼就能看出来，调阈值和 denoise 全靠它。

IL 版的收尾多一个开关节点：关着直接保存，打开就先过一遍 4x-AnimeSharp 超分再保存。修完的图细节密度上来了，配合超分出图更干净，要不要超分按图而定。Anima 版没有这一层，修完直接保存。

另外说一句 IL 模板里的遗留物：EmptyLatentImage 和图片宽高两个设置，是文生图模板改过来时留下的，现在的纯修复链路用不到。哪天想做出图到修复一条龙，把 KSampler 接回来就能用。

关键参数

五段修复的参数完全一致，没有给某段单独开小灶：

denoise 单独展开说。0.26 是这套模板的定海神针：只允许模型在原有结构上做修正，不允许它重新发明。崩掉的眼、错的手指能被压下去，画风、线条、配色基本不动。代价是一次修不干净，崩得狠的图要再跑一遍，或者把那一段单独拎出来提到 0.35 到 0.4。超过 0.5 就开始"重画"了，画风漂移会非常明显。宁可多次低幅度，不要一次高幅度。

提示词的组织

底稿是两个 PrimitiveStringMultiline，一个正面一个反面，标题里都写了"需要打开开关"。这是 Primitive 节点的一个小坑：改完内容还要把节点上的开关打开，值才会传给下游，不然改了等于没改。

正面词出来先过一个正则替换节点，用 ^,|,$ 把首尾多余的逗号清掉。通配符拼接经常留下悬空逗号，清一下干净。反面词五段共用一份，Illustrious 系照常规写：lowres、bad anatomy、画质崩坏那一类。Anima 系的提示词风格和 Illustrious 不同，底稿留空按需填。

IL 版底稿的正面词供参考，是完整的 Danbooru 风格 tag 组：画质词（masterpiece、best quality、very aesthetic 一类）打底，人物和特征词居中，动作和场景词收尾。

用下来的一些经验

• 某段没动静，先看 Image Comparer。框都没框出来是检测问题，动 bbox_threshold 或换检测器；框到了但没修好是 denoise 问题。
• 手是最难的部位。hand_yolov9c 命中率可以，但 0.26 的幅度对严重错指基本无能为力，烂得狠的图我会把手段单独调到 0.4 左右再跑。
• feather 别调太小。羽化太窄，贴回的地方会有一圈隐约的边界；16 在多数图上刚好，还不行就往 24 加。
• 两套模型切换只动模型区这一小块，修复链一根线都不用动。换 checkpoint 就换 CheckpointLoaderSimple 里的文件名，换三件套就三个 loader 各换各的。
• 显存压力主要在单段生成。max_size 4096 意味着极端大图的裁切区域会被压回来，注意这个上限的存在。

这套东西搭完之后基本是挂机用的。思路比节点重要：检测、裁切、低幅度、羽化贴回，四步拆开用什么节点实现都行，Impact Pack 只是把这条链封装得顺手，检测器也是现成的。剩下的活是拿自己的废图喂它，找到自己图库里"修"和"换"的那条分界线。